徐永亮,谢小辉

(苏州大学 机电工程学院,江苏 苏州 215000)

圆拟合是图像处理中一种常见的检测形式,多次出现在工业现场等实际场景中。检测算法的准确度、运行时间及稳定性是评价拟合圆算法性能的重要指标[1]。常见的圆拟合算法主要有标准Hough变换和最小二乘法(Least Squares,LS)。Hough变换将参数映射到三维空间,计算量大、耗时长且需要较大的存储空间[2-4]。最小二乘法以最小化误差的平方和为目标使所有数据点最为接近,曲线拟合效果良好[5]。但是LS以计算所有数据点为参考值,易受到离群点的影响[6-7]。不同算法各有缺陷,难以同时保证高效率和高准确度的应用需求,因此对主流圆拟合算法进行改进已成为该领域的热门研究方向。

在圆拟合算法研究中,研究人员将目光投入到提升Hough变换算法性能方面。文献[8]提出一种改进的Hough变换算法,通过最小误差原则对圆轮廓点随机抽样,运用聚类算法去除虚假圆心,最后通过圆心度的方法评价算法结果。文献[9]改进了Hough圆拟合算法,先通过圆的几何特性确定圆心和半径,同时通过聚类分析,组合较相似的候选圆,有效提升了计算速度并解决了多个假圆问题。最小二乘法拟合圆的方式也得到了一定修正。文献[10]提出了一种基于最小二乘法的圆拟合方法,其以几何距离差值平方和最小作为评价标准并结合迭代法,在非均匀采集离散点的情形下能有效提升圆拟合的精度。

以上研究分析某种圆拟合算法的缺陷并进行针对性地改进,未充分考虑融合不同算法的优势互补,且验证实验的角度和分析指标不够全面。……